一种基于MSA-YOLOv5x的典型配网物料的图像识别方法

本发明一种基于MSA‑YOLOv5x的典型配网物料的图像识别方法，解决了目前基于YOLOv5的配网物料图像识别仍存在精度不够高的问题。包括采集配网物料图像数据，对图像进行标注和预处理；将处理后的图像数据集进行扩充；构建MSA‑YOLOv5x模型，包括引入ACON‑C激活函数和D‑SPP模块，嵌入掩码自注意力机制模块，改进损失函数；对MSA‑YOLOv5x模型进行训练，获得最优模型；用最优模型对配网物料图像进行预测，得到识别结果。通过对YOLOv5x模型的改进，使用改进后的模型对数据集进行训练、验证及测试，获得具有高精度和高速度的检测模型，在配网物料图像识别上达到较好的效果。